SAI LẦM PHỔ BIẾN: CÓ AI NHƯNG QUY TRÌNH LÀM VIỆC KHÔNG THAY ĐỔI

Hãy thử quan sát một công việc rất quen thuộc: Một nhân viên phải đọc 20 trang biên bản họp, tổng hợp nội dung, viết báo cáo và gửi cho quản lý.

• Trước đây: Đọc tài liệu → Ghi chú → Tổng hợp → Viết báo cáo → Gửi quản lý.

• Khi có AI, nhiều người chỉ thay một bước: Đưa tài liệu vào AI → yêu cầu “Hãy tóm tắt tài liệu này” → Copy kết quả → Gửi quản lý.

Về hình thức, AI đã xuất hiện. Nhưng về bản chất, chúng ta chưa thực sự thiết kế lại công việc. Một workflow tốt hơn phải bắt đầu bằng việc xác định quản lý thực sự cần gì từ tài liệu đó. Có thể thứ quản lý cần không phải là một bản tóm tắt. Họ cần biết:

• Vấn đề quan trọng nhất là gì?

• Việc nào chưa được giải quyết?

• Ai chịu trách nhiệm?

• Deadline khi nào?

• Rủi ro nào cần lưu ý?

• Việc gì cần quản lý quyết định?

Khi đó workflow có thể trở thành: Dữ liệu cuộc họp → AI phân loại thông tin → AI xác định vấn đề và action items → AI tạo Action Tracker → Con người kiểm tra → Quản lý quyết định → Theo dõi thực thi.

Giá trị lớn nhất ở đây không nằm ở việc AI “tóm tắt nhanh hơn”. Giá trị nằm ở việc một luồng công việc đã được thiết kế lại tốt hơn.

ĐỪNG BẮT ĐẦU AI WORKFLOW BẰNG CÔNG CỤ

Một lỗi tôi gặp khá thường xuyên khi trao đổi với doanh nghiệp là bắt đầu câu chuyện AI bằng danh sách công cụ: ChatGPT làm được gì, Gemini làm được gì, Copilot khác gì, NotebookLM dùng ở đâu, Agent nào tốt. Tất nhiên chúng ta cần hiểu công cụ. Nhưng nếu bắt đầu từ công cụ, rất dễ rơi vào tình trạng có gì dùng nấy thay vì giải quyết đúng bài toán. Tôi thường chọn cách ngược lại - Bắt đầu từ công việc. Hãy lấy một quy trình đang tồn tại và hỏi: “Mục tiêu cuối cùng của công việc này là gì?” Sau đó mới tiếp tục:

• Bước nào đang tốn nhiều thời gian?

• Bước nào lặp đi lặp lại?

• Bước nào chủ yếu là đọc, tổng hợp, phân loại, so sánh, kiểm tra hoặc tạo nội dung?

• Bước nào cần kinh nghiệm, phán đoán và chịu trách nhiệm?

• Dữ liệu nào đang được sử dụng?

• Đầu ra nào thực sự có giá trị cho bước tiếp theo?

Khi trả lời được những câu hỏi này, vị trí của AI sẽ dần xuất hiện. AI Workflow vì vậy trước hết là bài toán thiết kế công việc, sau đó mới là bài toán công nghệ.

MỘT AI WORKFLOW TỐT CẦN NHÌN ĐỦ 6 THÀNH PHẦN

Qua quá trình triển khai các bài tập AI ứng dụng, tôi thường nhìn một workflow qua sáu thành phần: INPUT → PROCESS → AI → HUMAN → OUTPUT → ACTION

• INPUT – Dữ liệu đầu vào: AI lấy dữ liệu từ đâu? Email, Excel, Word, PDF, biểu mẫu, hệ thống nội bộ, dữ liệu khách hàng hay dữ liệu nhân sự? Nếu đầu vào thiếu, sai hoặc không thống nhất thì AI rất khó tạo ra đầu ra đáng tin cậy.

• PROCESS – Quy trình nghiệp vụ: Công việc hiện tại gồm những bước nào? Đừng vội tự động hóa một quy trình mà chính chúng ta còn chưa hiểu rõ.

• AI – Phần AI đảm nhiệm: AI đặc biệt hữu ích với những công việc như đọc lượng lớn thông tin, phân loại, tổng hợp, so sánh, tìm mẫu, tạo bản nháp, kiểm tra chéo hay đề xuất phương án. Nhưng không phải việc gì AI làm được cũng có nghĩa là nên giao cho AI.

• HUMAN – Phần con người kiểm soát: Ai kiểm tra kết quả? Ai hiểu bối cảnh mà AI không biết? Ai phê duyệt? Ai chịu trách nhiệm cuối cùng? Đây là phần rất quan trọng nhưng lại thường bị bỏ quên.

• OUTPUT – Đầu ra: Đầu ra không nên dừng ở một đoạn text do AI tạo ra. Nó có thể phải trở thành báo cáo, bảng phân tích, checklist, SOP, email, dashboard, slide hay Action Plan.

• ACTION – Hành động: Sau đầu ra đó, điều gì xảy ra tiếp theo? Nếu AI tạo ra một báo cáo rất đẹp nhưng không dẫn tới quyết định hay hành động nào, giá trị kinh doanh vẫn rất thấp.

Workflow chỉ thực sự hoàn chỉnh khi output của bước trước trở thành input hoặc hành động của bước tiếp theo.

PROMPT CHỈ LÀ MỘT BƯỚC TRONG WORKFLOW

Trong các chương trình đào tạo, tôi thường hướng dẫn học viên cấu trúc giao việc cho AI theo: Role – Context – Task – Data – Output – Constraint.

Tôi xem Prompt như một phiếu giao việc chuyên nghiệp cho AI. Nhưng có một điều cần nhấn mạnh: Prompt tốt chưa đồng nghĩa với Workflow tốt. Ví dụ, Marketing có 60 trang tài liệu và yêu cầu AI: “Hãy tạo PowerPoint trình bày kế hoạch Marketing.” AI hoàn toàn có thể tạo ra 10 slide. Nhưng trong công việc thực tế, nhiệm vụ không đơn giản là chuyển Word thành PowerPoint.

Workflow đúng phải gần với: Đọc dữ liệu → Phân tích → Xác định vấn đề quan trọng → Ưu tiên thông tin → Xây dựng storyline → Đề xuất chiến lược → Thiết kế nội dung trình bày → Kiểm tra số liệu → Con người đánh giá → Hoàn thiện → Trình lãnh đạo quyết định.

AI có thể tham gia rất nhiều bước trong chuỗi này. Nhưng AI không nên tự quyết định thay con người toàn bộ chuỗi. Đó chính là khác biệt giữa “biết Prompt” và “biết thiết kế công việc với AI”.

ĐỪNG TỰ ĐỘNG HÓA MỘT QUY TRÌNH ĐANG LỘN XỘN

Có một nguyên tắc mà tôi cho rằng doanh nghiệp cần đặc biệt lưu ý: “Một quy trình chưa tốt khi được tự động hóa sẽ chỉ giúp chúng ta thực hiện cái chưa tốt nhanh hơn.” Nếu dữ liệu nhân sự đang nằm ở năm file khác nhau, tên cột không thống nhất, mã nhân viên bị trùng, quy định cập nhật không rõ ràng, người chịu trách nhiệm dữ liệu cũng không xác định… thì việc đưa AI vào chưa chắc giải quyết được vấn đề. Thậm chí nó còn có thể làm vấn đề lan rộng nhanh hơn. Do đó, trước khi hỏi có tự động hóa được không, hãy hỏi: “Quy trình hiện tại đã đủ rõ để tự động hóa chưa?”

Theo kinh nghiệm của tôi, một workflow nên đi qua ba cấp: Chuẩn hóa → AI hỗ trợ → Tự động hóa. Chuẩn hóa cách làm trước. Sau đó xác định những bước AI có thể hỗ trợ. Khi workflow đã ổn định, đầu vào và đầu ra rõ ràng, tiêu chuẩn kiểm tra rõ ràng, lúc đó mới nghĩ tới tự động hóa sâu hơn. Đi chậm hơn một chút ở bước đầu thường giúp doanh nghiệp đi nhanh hơn rất nhiều ở phía sau.

HUMAN-IN-THE-LOOP KHÔNG PHẢI LÀ “ĐỌC LẠI CHO CÓ”

Khi nói về AI, chúng ta thường nghe câu: “Kết quả AI cần được con người kiểm tra.” Điều này đúng, nhưng vẫn chưa đủ, câu hỏi quan trọng hơn là: “Con người kiểm tra cái gì?” Nếu một nhân viên nhận một báo cáo 30 trang do AI tạo ra và chỉ đọc lướt rồi nhấn “Approve”, thì về hình thức đã có Human Review, nhưng về thực chất gần như không có kiểm soát. Human-in-the-loop phải được thiết kế thành Control Point cụ thể.

Ví dụ với một báo cáo HR, AI có thể tổng hợp dữ liệu, tính toán, phát hiện bất thường và tạo Executive Summary. Nhưng con người phải kiểm tra: Nguồn dữ liệu → Logic tính toán → Những bất thường → Giả định của AI → Kết luận quan trọng → Khuyến nghị trước khi trình lãnh đạo. Đặc biệt với các quyết định liên quan đến con người, tài chính, pháp lý, khách hàng hay chiến lược, AI có thể cung cấp thông tin và đề xuất, nhưng trách nhiệm cuối cùng vẫn phải thuộc về con người.

TỪ MỘT TÁC VỤ AI ĐẾN MỘT AI WORKFLOW THỰC SỰ

Hãy lấy một ví dụ khác rất gần với vận hành doanh nghiệp. Một chương trình đào tạo cần xử lý đăng ký học viên. Cách thủ công có thể là: “Nhận đăng ký → nhập Excel → kiểm tra → gửi email xác nhận → kiểm tra thanh toán → gửi thông báo → nhắc học viên → gửi email sau chương trình.” Nếu chỉ dùng AI để viết email, chúng ta mới cải thiện một tác vụ.

Nhưng khi nhìn theo workflow, bài toán trở thành: “Google Form → Google Sheets → Apps Script → Gmail → cập nhật trạng thái → kích hoạt email phù hợp → con người xử lý ngoại lệ.” AI có thể tiếp tục tham gia ở những bước như phân loại phản hồi, tổng hợp ý kiến học viên, soạn nội dung cá nhân hóa hoặc phân tích dữ liệu sau chương trình. Lúc này, giá trị không còn nằm ở một câu Prompt. Giá trị nằm ở sự kết nối giữa con người – AI – dữ liệu – công cụ – quy trình. Và đây cũng là lúc AI bắt đầu chuyển từ Personal Productivity sang Operational Productivity.

AI WORKFLOW KHÔNG NHẤT THIẾT PHẢI TỰ ĐỘNG 100%

Có một ngộ nhận khác: “Workflow càng tự động nhiều càng tốt”; tôi không cho rằng như vậy. Một quy trình tốt không phải là quy trình loại bỏ con người nhiều nhất. Một quy trình tốt là quy trình phân công đúng việc nhất.

• AI làm những phần AI có lợi thế.

• Automation xử lý những bước có quy tắc và lặp lại.

• Hệ thống lưu trữ và luân chuyển dữ liệu.

• Con người xử lý ngoại lệ, bối cảnh, quan hệ, sáng tạo, phán đoán và quyết định.

Có những workflow chỉ cần AI hỗ trợ 30% nhưng hiệu quả đã tăng rất nhiều. Ngược lại, cố gắng tự động hóa 100% có thể làm chi phí tăng, quy trình phức tạp và rủi ro lớn hơn lợi ích mang lại. Vì vậy, câu hỏi đúng không phải: “AI thay được bao nhiêu người?” Mà nên là: “Trong quy trình này, việc gì nên giao cho AI, việc gì nên tự động hóa và việc gì nhất định phải để con người quyết định?”

ĐO AI BẰNG KẾT QUẢ CÔNG VIỆC, KHÔNG PHẢI SỐ LƯỢNG CÔNG CỤ

Một doanh nghiệp có thể mua rất nhiều tài khoản AI nhưng năng suất không thay đổi đáng kể. Một nhân viên cũng có thể sử dụng năm công cụ AI mỗi ngày nhưng công việc vẫn chậm. Bởi vì cuối cùng, doanh nghiệp không cần nhiều Prompt hơn. Doanh nghiệp cần:

• Thời gian xử lý ngắn hơn.

• Ít thao tác thủ công hơn.

• Ít sai sót hơn.

• Dữ liệu nhất quán hơn.

• Quyết định nhanh hơn.

• Chất lượng đầu ra tốt hơn.

• Nhân viên có thêm thời gian cho công việc có giá trị cao hơn.

Đó mới là KPI của AI Workflow. Nếu trước đây một báo cáo mất bốn giờ và sau khi thiết kế lại workflow chỉ còn một giờ nhưng chất lượng vẫn được kiểm soát, đó là giá trị. Nếu trước đây nhân viên phải xử lý 200 email thủ công và nay hệ thống có thể phân loại, chuẩn bị phản hồi và chỉ đưa những trường hợp ngoại lệ cho nhân viên xử lý, đó là giá trị. AI chỉ có ý nghĩa khi nó tạo ra Operational Impact.

NĂNG LỰC AI TIẾP THEO KHÔNG CHỈ LÀ BIẾT SỬ DỤNG AI, MÀ LÀ BIẾT THIẾT KẾ CÔNG VIỆC VỚI AI

Tôi cho rằng đây sẽ là một năng lực rất quan trọng của người lao động và nhà quản lý trong những năm tới. Không phải ai cũng cần trở thành chuyên gia AI. Không phải ai cũng cần biết lập trình. Nhưng người làm việc trong kỷ nguyên AI cần có khả năng nhìn một công việc và tự hỏi:

• Mục tiêu thực sự là gì?

• Dữ liệu nằm ở đâu?

• Bước nào đang lãng phí thời gian?

• AI có thể hỗ trợ phần nào?

• Phần nào cần con người?

• Điểm nào phải kiểm soát?

• Đầu ra này đi đâu tiếp theo?

• Có thể chuẩn hóa và lặp lại workflow này không?

Khi một cá nhân làm được điều đó, họ không còn đơn thuần là người sử dụng AI. Họ bắt đầu trở thành người thiết kế cách làm việc với AI. Và khi một tổ chức có nhiều người cùng có năng lực đó, AI sẽ không còn tồn tại dưới dạng những công cụ rời rạc trong máy tính của từng nhân viên. Nó bắt đầu đi vào quy trình vận hành thực sự của doanh nghiệp.

AI WORKFLOW – ĐỪNG HỎI AI CÓ THỂ LÀM GÌ, HÃY HỎI CÔNG VIỆC NÊN ĐƯỢC THIẾT KẾ LẠI NHƯ THẾ NÀO

AI Mindset giúp chúng ta có tư duy đúng khi tiếp cận AI. AI Literacy giúp chúng ta hiểu đúng về AI, hiểu khả năng và giới hạn của nó. Nhưng để AI thực sự tạo ra năng suất cho tổ chức, chúng ta cần thêm một bước: AI Workflow – thiết kế lại cách công việc được thực hiện.

Tương lai của AI trong doanh nghiệp có lẽ sẽ không được quyết định bởi việc doanh nghiệp sở hữu bao nhiêu công cụ AI. Nó sẽ được quyết định bởi khả năng doanh nghiệp đưa AI vào đúng công việc, đúng dữ liệu, đúng quy trình và đúng điểm kiểm soát. Công cụ AI sẽ tiếp tục thay đổi. Mô hình AI hôm nay rất mạnh có thể sẽ bị thay thế bởi một mô hình tốt hơn trong tương lai. Nhưng năng lực phân tích công việc, thiết kế quy trình, giao việc, kiểm soát chất lượng và đưa AI vào đúng vị trí sẽ còn giá trị lâu dài.

Vì vậy, thay vì chỉ hỏi: “Tôi có thể dùng AI nào cho công việc này?” Có lẽ chúng ta nên bắt đầu tập một câu hỏi khó hơn: “Nếu hôm nay được thiết kế lại công việc này từ đầu, và tôi có thêm một đồng nghiệp tên là AI, tôi sẽ phân công công việc giữa con người và AI như thế nào?” Khi trả lời được câu hỏi đó, chúng ta đã bước qua một ranh giới rất quan trọng - Từ sử dụng AI sang thiết kế công việc trong kỷ nguyên AI.